基于大模型的新能源消纳的配电网运行方式重构与决策方法与流程
本发明涉及配电网规划与运行,具体为基于大模型的新能源消纳的配电网运行方式重构与决策方法。
背景技术:
1、配电网包含馈线、开关和负荷等元素,网络重构是通过改变网络结构对配网运行进行优化的一种重要手段,配电网通常具备闭环设计和开环运行的特点,支路上的开关分为常开的联络开关和常闭的分段开关;在某些运行场景下,通过改变联络开关和分段开关的状态,可以调整网络的拓扑结构与潮流分布,从而改善电网的运行状态,在系统优化目标不同时,网络重构的结果也可能不同。
2、随着分布式电源渗透率的逐步提高以及分布式电源参与电力市场行为的逐渐普遍,如何提升配电网对分布式电源和可再生能源的消纳能力,愈发引起配网运营单位的关注。在可再生能源接入较多的区域电网中,已经出现配网对分布式电源消纳能力不足的问题。已有研究表明,分布式电源大规模接入导致的过电压问题是当前限制分布式电源接入的主要因素,而网络重构可以有效缓解该状况;但现有以网络重构提升消纳能力的研究大多未充分考虑可再生能源出力的随机特性。
3、现有求解网络重构的方法包括启发式算法、智能优化算法和数学规划方法。
4、其中,启发式算法(如最优流模式法、支路交换法)与各类人工智能算法(如粒子群算法、模拟退火免疫算法)在不依赖初始解的情况下难以保证得到全局最优解,且寻优能力受参数设置影响较大;数学规划方法虽具备较好的收敛性,但建模复杂、对随机性和多目标耦合的处理能力有限。此外,传统重构方法在生成重构策略时往往仅针对当前断面进行寻优,缺乏对未来新能源出力波动与多种运行场景的前瞻性适配能力,导致所得重构策略在未来运行态下风险防控与消纳效率难以兼顾。
5、为解决当前配电网新能源消纳重构决策中存在的随机性处理不足、全局最优性难以保证、以及重构策略对未来运行态适配性差等问题,亟需一种既能保证全局最优、又能融合风险分析并借助大模型实现前瞻性优选的配电网运行方式重构决策方法。
技术实现思路
1、本发明的目的在于提供一种基于大模型的新能源消纳的配电网运行方式重构与决策方法,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、基于大模型的新能源消纳的配电网运行方式重构与决策方法,包括
4、s1:构建考虑可再生能源随机性的配电网重构模型,包括可再生能源出力建模、重构目标建模与重构约束建模;
5、s2:基于机会约束规划的随机问题转化,将含风电与光伏不确定性的含义模糊约束条件,转化为以置信度表征的确定性约束条件,并采用蒙特卡洛模拟法检验约束是否满足;
6、s3:基于图论与最小环编码的辐射状可行结构快速遍历,生成候选拓扑策略集;
7、s4:构建面向新能源消纳的配电网运行方式重构决策引擎基于风险分析结果优选最优运行方式重构策略;基于优选得到的最优运行方式重构策略,输出最优开断支路组合、对应的网络拓扑结构与分布式电源最大可接入容量。
8、s1:构建考虑可再生能源随机性的配电网重构模型,包括可再生能源出力建模、重构目标建模与重构约束建模;
9、具体地,可再生能源出力建模包括风电建模和光伏建模,采用威布尔分布描述风速的不确定性,采用正态分布描述光伏有功出力的随机性;
10、风电建模
11、风机额定有功功率表示为:
12、;
13、式中:p_r为额定有功功率;n为风机个数;ρ为空气密度;c_p为能源转换效率;r为风机叶片半径;v_r为额定风速。
14、风电有功出力随风速v的变化关系为:当v≤v_ci或v≥v_co时出力为0;当v_ci≤v≤v_r时出力随风速由切入风速向额定值非线性上升;当v_r≤v≤v_co时出力维持额定功率p_r。风电无功出力由有功出力与功率因数角θ_w换算得到。其中,风速v的不确定性采用威布尔分布描述:
15、;
16、式中:f(v)为概率密度函数;μ为风速的期望值;k为分布参数;v_ci、v_co分别为切入和切出风速。
17、光伏建模
18、光伏有功出力的随机性采用正态分布描述:
19、;
20、式中:p_pv为光伏有功出力;μ_pv为p_pv的期望值;σ_pv为标准差。
21、具体地,重构目标建模为以配电网可接入的分布式电源最大有功功率为优化目标建立重构目标函数,并设定各分布式电源接入节点的容量比例固定,使各分布式电源容量等比例增长;
22、配电网重构的前提是分布式电源接入的位置以及各分布式电源有功功率比例已经确定,优化的时间尺度为日前优化。重构目标函数描述为:在配网所有可能的结构中,求取满足运行约束条件下分布式电源最大可消纳功率的最大值,即
23、;
24、;
25、式中:c_obj为配网最大可接入的分布式电源有功功率;ω_α为配网所有可能的结构;cap_α为当配电网络选取结构α时满足运行约束下的分布式电源最大可消纳功率;p_i^g为节点 i 处分布式电源注入的有功功率。
26、具体地,重构约束建模以建立重构约束条件,包括网络辐射状结构约束、计及负荷随机性的功率平衡约束、节点电压上下限约束与支路电流约束;
27、网络结构约束采用网络辐射状结构约束,重构后的配电网必须保持辐射状结构,即全网以单电源点为中心呈树状向外供电,任意负荷节点有且仅有一条供电路径,网络中不形成闭合环路。
28、;
29、式中, 为闭合支路数; 为配电网的节点总数。
30、功率平衡约束为:
31、;
32、;
33、式中:p_i^grid、p_i^g和p_i^l分别为节点i处的配网注入有功功率、分布式电源注入有功功率和负荷有功功率;q_i^grid、q_i^g和q_i^l分别为节点i处的配网注入无功功率、分布式电源注入无功功率和负荷无功功率;其中,负荷的随机性采用正态分布描述:p_i^l~n(μ_{i,l},σ_{i,l}),q_i^l~n(μ_{i,l},σ_{i,l})。
34、节点电压上下限约束为:
35、;
36、式中:v_i、v_i,min、v_i,max分别为节点i处的电压幅值、电压幅值下限和上限。
37、支路电流约束,即线路电流不超过额定值:
38、;
39、其中,i_i,max为支路i上允许流过的最大电流。
40、s2:基于机会约束规划的随机问题转化,将含风电与光伏不确定性约束条件,转化为以置信度表征的确定性约束条件,并采用蒙特卡洛模拟法检验约束是否满足。
41、由于将计及风电和光伏不确定性的配网重构问题为不确定性优化模型,采用机会约束规划(chance constrained programming, ccp)方法,将不确定性配网优化模型转化为确定性优化模型,原始不确定性优化模型能够表示为:
42、;
43、式中:x为控制变量,即配网中分段开关和联络开关的状态;ξ为不确定量,即风电和光伏出力;f(x,ξ)为目标函数,即接入分布式电源的容量;g_i(x,ξ)为约束条件,当含有不确定量时约束条件的含义是模糊的,机会约束规划将该模型转化为:
44、;
45、式中:pr{·}表示{·}中事件发生的概率;β、α分别为目标函数和约束的置信水平。本发明中随机量不出现在目标函数中,因此只需对约束条件进行改写,从而将含不确定量、含义模糊的约束条件转化为含义严谨而明确的约束性条件,并采用蒙特卡洛模拟法检验机会约束规划模型中的条件是否满足。
46、s3:基于图论与最小环编码的辐射状可行结构快速遍历,生成候选拓扑策略集。
47、利用基尔霍夫矩阵的行列式计算配电网所有生成树个数,确定遍历规模;
48、闭合全部联络开关得到与联络开关个数相同的最小环,以各最小环内开断支路编号作为编码维度,对所有可能结构进行编码遍历;
49、对每个候选结构进行连通性检验与无环检验,保留满足辐射状约束的可行结构作为候选拓扑策略集。
50、利用基尔霍夫矩阵的行列式计算配电网所有生成树个数,确定遍历规模;
51、具体为,确定配电网的节点系统上对应的支路以及联络线数量,根据图论中的基尔霍夫矩阵树定理,一个图是辐射状的等价于该图是连通的且不存在环路,同时辐射状图的支路数等于节点数减1,即
52、;
53、其中,n_branch为图的支路数,n_bus为图的节点数;因此,寻找配电网的可行结构即寻找对应数量节点结构图的生成树,等价于在对应条数支路中找到对应条数的支路的组合,使得开断这对应条数的支路时网络结构连通且无环。
54、设a表示n节点图g的邻接矩阵,d表示度矩阵,则能够按如下方法求得图g的所有生成树个数:
55、1)计算图g的基尔霍夫矩阵k:;
56、2)任意选择矩阵k的一个阶顺序主子式,记为矩阵b;
57、3)计算b的行列式,该值即为图g的所有生成树个数。
58、连通性检验:根据图论,一个图连通当且仅当其邻接矩阵a满足:
59、;
60、其中,e(n)为n阶单位矩阵,min(·)表示矩阵中所有元素的最小值。
61、无环检验:当图满足连通性且支路数等于节点数减1时即可保证图无环;经检验保留的全部辐射状可行结构,构成候选拓扑策略集。
62、s4:构建面向新能源消纳的配电网运行方式重构决策引擎,基于风险分析结果优选最优运行方式重构策略;基于优选得到的最优运行方式重构策略,输出最优开断支路组合、对应的网络拓扑结构与分布式电源最大可接入容量。
63、本发明构建面向新能源消纳的配电网运行方式重构决策引擎,作为核心决策模块,对步骤s3得到的候选拓扑策略集进行风险分析、策略生成与大模型优选,输出最适配未来运行态的最优运行方式重构策略;该决策引擎包括风险分析模块、策略生成模块与大模型优选模块。
64、(1)风险分析模块;
65、针对候选拓扑策略集中每一可行结构,采用牛顿-拉夫逊法求解其在一日各时段的潮流,对候选拓扑策略集中每一可行结构进行风险分析,量化负载均衡、设备限额越限、电压越限及新能源功率倒送等运行风险,得到风险分析结果;相较于前推回代法,牛顿-拉夫逊法在网络结构发生变化时节点导纳矩阵的修正相对容易,免去了网络节点深度搜索和重新编号的过程,适合大量候选结构的批量潮流计算。基于潮流结果,从以下维度量化各候选结构的运行风险:
66、;
67、式中:r(α)为结构α的综合运行风险;r_volt为节点电压越限风险,取各节点在各时段电压超出[v_min, v_max]区间的程度;r_load为支路过载(设备限额越限)风险,取各支路电流或功率超出额定值的程度;r_bal为负载不均衡风险,由各馈线负载率的标准差表征;r_rev为新能源功率倒送风险,由倒送功率引起的电压抬升程度表征;w_v、w_i、w_b、w_r为相应权重。机会约束的满足性由蒙特卡洛模拟检验,作为风险分析结果的一部分。
68、(2)策略生成模块;
69、策略生成模块基于风险分析结果,融合负载均衡、设备限额和电压越限的核心目标与约束条件,对候选拓扑策略集进行筛选与组合,智能生成拓扑结构优化策略集。
70、具体地,剔除存在严重设备限额越限或电压越限的不可行结构,保留满足机会约束的结构,并以负载均衡度、电压裕度与可接入分布式电源容量为评价维度,对保留结构进行初步排序,形成拓扑结构优化策略集,作为大模型优选模块的候选输入。
71、(3)大模型优选模块;
72、大模型优选模块调用大模型的推理与优选能力,结合未来新能源出力预测与电网运行场景模拟,对拓扑结构优化策略集进行多场景适配性评价,对策略生成模块输出的拓扑结构优化策略集进行未来态适配性评价与排序,实现风险防控与消纳效率的平衡。该大模型优选模块以候选拓扑策略集、风险分析结果、未来新能源出力预测曲线及多种电网运行场景模拟数据作为输入。
73、其中,未来新能源出力预测包括风电、光伏在未来调度周期内的功率预测及其不确定性区间;电网运行场景模拟包括典型日、极端高出力、极端低出力及负荷高峰的多种未来运行场景。
74、针对每一候选结构α∈s_opt与每一未来运行场景s,大模型综合推理其消纳效率指标与风险防控指标,得到未来态适配度评分:
75、;
76、式中:p_s为未来运行场景s的发生概率;e_eff(α,s)为结构α在场景s下的消纳效率指标,包括分布式电源可接入容量与新能源利用率;r_risk(α,s)为结构α在场景s下的风险防控指标,包括节点电压越限风险、支路过载风险与负载均衡度;λ_e、λ_r为消纳效率与风险防控的权重,由大模型根据未来运行场景动态调整,实现风险防控与消纳效率的平衡。
77、大模型优选模块按 score(α) 由高到低对拓扑结构优化策略集进行排序,输出评分最高、最适配未来运行态的结构作为最优运行方式重构策略α*。相比传统仅针对当前断面寻优的方式,本模块借助大模型对多种未来场景的前瞻性推理能力,使所选重构策略在未来新能源出力波动下仍能兼顾风险防控与消纳效率。
78、(4)最优结构搜索流程;
79、基于上述决策引擎,最优结构的快速搜索流程如下:
80、1)初始化:记录当前最优结构编号为1,最大接入功率为0,当前被遍历到的结构编号为1;
81、2)进入一天中的第1个时段;
82、3)根据机会约束规划模型,测试当前功率下约束条件是否满足,若不满足则执行步骤5),若满足则执行步骤4),其中潮流采用牛顿-拉夫逊法求解;
83、4)当前时段加1,检验是否超出一天时段总数:若超出,则当前最大接入功率增加一个步长k_s,最优结构编号更新为当前结构编号,执行步骤2);若不超出,则返回步骤3);
84、5)被遍历结构编号加1,检测是否超过可行解总数:若超出,则结合决策引擎的大模型优选结果,返回最优运行方式重构策略与最大接入功率,运行结束;若不超出,则返回步骤2)。
85、该流程在遍历过程中只保存最优结构编号和对应的最大接入功率,最大程度地减少了不必要的计算过程,提高了计算效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com